Generalized Laplacian Regularized Framelet Graph Neural Networks

要約

この論文では、p-ラプラシアン GNN に基づく新しいフレームレット グラフ アプローチを紹介します。
p-ラプラシアン非間引きフレームレット グラフ コンボリューション (pL-UFG) と一般化 p-ラプラシアン非デシメート フレームレット グラフ コンボリューション (pL-fUFG) という名前の提案された 2 つのモデルは、グラフの多重解像度分解の表現力を持つ p-ラプラシアンの性質を継承しています。
信号。
この実証研究は、ノード分類や信号ノイズ除去などのさまざまなグラフ学習タスクにおける pL-UFG および pL-fUFG の優れたパフォーマンスを強調しています。

要約(オリジナル)

This paper introduces a novel Framelet Graph approach based on p-Laplacian GNN. The proposed two models, named p-Laplacian undecimated framelet graph convolution (pL-UFG) and generalized p-Laplacian undecimated framelet graph convolution (pL-fUFG) inherit the nature of p-Laplacian with the expressive power of multi-resolution decomposition of graph signals. The empirical study highlights the excellent performance of the pL-UFG and pL-fUFG in different graph learning tasks including node classification and signal denoising.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google